一种α-葡萄糖苷酶抑制剂的筛选方法

    公开(公告)号:CN118501075A

    公开(公告)日:2024-08-16

    申请号:CN202410649519.6

    申请日:2024-05-23

    申请人: 浙江大学

    IPC分类号: G01N21/31 G16C20/30 G16C20/64

    摘要: 本发明提供了一种α‑葡萄糖苷酶抑制剂的筛选方法,属于药物筛选技术领域。本发明所述筛选方法采用碱提酸沉法提取猪小肠黏蛋白,并构建肠黏液层Transwell模型,再于低氧环境下将α‑葡萄糖苷酶抑制剂加入小室内进行转运,而后下室取样测定其对α‑葡萄糖苷酶活性的影响。本发明所述筛选方法,同时考虑了氧气浓度和黏液层阻隔两种影响因素,更有效模拟了抑制剂的真实胃肠道行为,解决了现有筛选方法下α‑葡萄糖苷酶抑制剂体内外活性差异大的问题,保证了筛选方法的可靠性和有效性。

    一种工业酶筛选方法、装置、设备及介质

    公开(公告)号:CN117612638A

    公开(公告)日:2024-02-27

    申请号:CN202311614934.X

    申请日:2023-11-28

    IPC分类号: G16C20/64 G16C20/70

    摘要: 本申请公开了一种工业酶筛选方法、装置、设备及介质,涉及酶筛选技术领域,包括:从预设工业酶库中标记稳定性工业酶;从所述预设工业酶库中标记相似性工业酶;从所述预设工业酶库中标记特异性工业酶;分别对稳定性工业酶、相似性工业酶以及特异性工业酶进行稳定性分析、相似性工业酶与底物的结合亲和力预测以及特异性工业酶与不同底物的特异性结合亲和力预测;按照预设工业酶筛选条件分别对稳定性表达测试后的稳定性工业酶述酶活测试后的相似性工业酶、特异性催化测试后的特异性工业酶进行工业酶标记并筛选,以获取目标工业酶。实现了在注释信息复杂的酶库中对满足工业需求的工业酶进行准确性、针对性的酶筛选,提升酶筛选的效率。

    基于贝叶斯和药效团模型的靶向RNA小分子筛选及试验方法

    公开(公告)号:CN117037950A

    公开(公告)日:2023-11-10

    申请号:CN202310960698.0

    申请日:2023-08-01

    摘要: 本发明公开了一种基于贝叶斯和药效团模型的靶向RNA小分子筛选方法、试验方法及装置,所述方法包括:根据化合物的属性对预设的初始数据库进行反向筛选得到筛选数据库,其中预设的初始数据库是包含多个不同结构和不同信息的小分子化合物的数据库;利用预设的朴素贝叶斯模型对筛选数据库进行模型分类得到化合物库;利用预设的药效团模型根据待筛选的靶向RNA小分子对化合物库进行相似度检索,提取得到目标化合物。本发明可以通过对包含了海量不同结构和信息的小分子化合物的初始数据库进行反向筛选和模型分类得到符合要求的化合物库,再对化合物库进行相似度检索提取得到目标化合物,能减少因结构不稳定带来的误差,提升筛选的精度和准确率。

    筛选方法、装置、计算机设备、存储介质和程序产品

    公开(公告)号:CN116994672A

    公开(公告)日:2023-11-03

    申请号:CN202310912286.X

    申请日:2023-07-24

    申请人: 清华大学

    IPC分类号: G16C20/50 G16C20/64 G16C20/90

    摘要: 本申请涉及一种筛选方法、装置、计算机设备、存储介质和计算机程序产品。该方法包括:从分子库中获取多个分子,并获取该多个分子的结构信息;将该多个分子的结构信息输入至细胞活性预测模型,并基于该细胞活性预测模型的输出对该多个分子进行第一筛选处理,以得到第一分子;将该第一分子的结构信息输入至主蛋白酶活性预测模型,并基于该主蛋白酶活性预测模型的输出对该第一分子进行第二筛选处理,以得到第二分子;将该第二分子的结构信息输入至ADMET预测模型,并基于该ADMET预测模型的输出对该第二分子进行第三筛选处理,以得到第三分子;基于该第三分子确定目标分子。采用本方法能够有效的提高筛选任务的工作效率。

    一种基于多目标优化的抗乳腺癌药物成分智能量化方法

    公开(公告)号:CN114496112B

    公开(公告)日:2023-10-31

    申请号:CN202210069880.2

    申请日:2022-01-21

    摘要: 本发明公开了一种基于多目标优化的抗乳腺癌药物成分智能量化方法。首先,在已有的化合物数据集上筛选影响ERα生物活性的主要分子描述符。然后,基于粒子群优化的神经网络构建化合物对ERα生物活性的定量预测模型。接着,以药物的吸收、分配、代谢、排泄和毒性(ADMET)的度量为目标,基于决策树构建化合物的ADMET特征的特性预测模型。最后,综合定量预测模型和特性预测模型,以帕累托(Pareto)优化理论为指导,构建基于多目标优化的遗传算法模型,找到满足最优目标的化合物(分子描述符的组合),再利用蒙特卡罗假设检验,对得到的最优化目标的化合物进行抽样统计,并以特定的置信度来确定化合物中不同分子描述符的最佳取值范围。